Notitie
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen u aan te melden of de directory te wijzigen.
Voor toegang tot deze pagina is autorisatie vereist. U kunt proberen de mappen te wijzigen.
In de zelfstudies in deze sectie worden de belangrijkste functies geïntroduceerd en wordt u begeleid bij de basisbeginselen van het werken met het Azure Databricks-platform.
Zie Gratis Databricks-training krijgen voor informatie over onlinetrainingsbronnen.
Als u geen Azure Databricks-account hebt, meldt u zich aan voor een gratis proefversie.
Gegevens verkennen
| Handleiding | Beschrijving |
|---|---|
| Gegevens opvragen en visualiseren | Gebruik een Databricks-notebook om een query uit te voeren op voorbeeldgegevens die zijn opgeslagen in Unity Catalog en visualiseer vervolgens de queryresultaten in het notebook. |
| Importeer en visualiseer CSV-gegevens vanuit een notebook | Gebruik een Databricks-notebook om gegevens uit een CSV-bestand te importeren in https://health.data.ny.gov uw Unity Catalog-volume. |
| Maak een tabel aan | Maak een tabel en verdeel bevoegdheden in Azure Databricks met behulp van het Unity Catalog-gegevensbeheermodel. |
| Verken dashboards en zoek gegevens op in Genie One | Navigeer door de Genie One-interface die is ontworpen voor zakelijke gebruikers. Bekijk dashboards, stel vragen over gegevens in natuurlijke taal en ontdek assets die met u zijn gedeeld. |
Gegevensengineering
| Handleiding | Beschrijving |
|---|---|
| Bouw een ETL-pipeline met Lakeflow-pipelines | Maak en implementeer een ETL-pijplijn (extraheren, transformeren en laden) voor gegevensindeling met behulp van Lakeflow-pijplijnen en Automatisch laden. |
| Bouw een ETL-pijplijn met Apache Spark | Ontwikkel en implementeer uw eerste ETL-pijplijn (extraheren, transformeren en laden) voor gegevensindeling met Apache Spark™. |
AI en machinaal leren
| Handleiding | Beschrijving |
|---|---|
| Train en rol een ML-model uit | Bouw een machine learning-classificatiemodel met behulp van de scikit-learn-bibliotheek op Databricks om te voorspellen of een wijn als 'hoge kwaliteit' wordt beschouwd. Deze zelfstudie illustreert ook het gebruik van MLflow om het modelontwikkelingsproces bij te houden en Hyperopt om hyperparameterafstemming te automatiseren. |
| Train en volg een deep learning-model | Train een deep learning-model op Databricks en volg trainingsuitvoeringen, hyperparameters en metrische gegevens met MLflow 3. |
| Bouw en zet een agent in | Gebruik de Agent Bricks CLI om een agent te ondersteunen, voer deze lokaal uit en deploy hem naar de agentruntime. |
Hulp krijgen
- Als u vragen hebt over het instellen van Azure Databricks en live hulp nodig hebt, kunt u e-mailen help@databricks.com.
- Als uw organisatie geen azure Databricks-ondersteuningsabonnement heeft of als u geen geautoriseerde contactpersoon bent voor het ondersteuningsabonnement van uw bedrijf, kunt u antwoorden krijgen van de Databricks-community.